Более быстрое начало лечения спасает жизни.
Профессор на конкретном примере показывает, что пациентку можно было спасти, если бы врачи применили машинное обучение в медицине.
Машинное обучени (Machine Learning) уже спасает жизни, изучая множество данных пациентов и сравнивают их с данными о состоянии одного пациента для выявления симптомов на 12-24 часа раньше, чем врач.
«Во многих неотложных медицинских проблемах ответы на вопрос, кого лечить, когда лечить и что лечить, возможно, уже в ваших данных», - говорит Сучи Сария.
Узнайте, как TREWS (целевой рейтинг раннего предупреждения в реальном времени) ведет к спасению жизней. Сучи Сариа является профессором компьютерной науки и политики в области здравоохранения, а также директором Лаборатории машинного обучения и здравоохранения Университета Джона Хопкинса. Ее исследования сосредоточены на разработке решений для предоставления индивидуальных услуг. Этот разговор был дан на мероприятии TEDx, используя формат конференции TED, но независимо организованный местным сообществом.http://ted.com/tedx
Портал РАМН